Sequenciamento do genoma humano e aprendizado profundo podem levar a uma vacina contra o coronavírus – opinião

A comunidade de IA deve colaborar com os geneticistas para encontrar um tratamento para aqueles considerados de maior risco de coronavírus. Um tratamento potencial poderia envolver a remoção das células de uma pessoa, edição do DNA e, em seguida, injetar as células de volta, agora armadas com uma resposta imune bem-sucedida. Isso está sendo atualmente trabalhou em algumas outras vacinas.

O primeiro passo seria sequenciar todo o genoma humano de um segmento considerável da população humana.

Sequenciando Genomas Humanos

O sequenciamento do primeiro genoma humano custou US$ 2.7 bilhões e levou quase 15 anos para ser concluído. O custo atual de sequenciar um ser humano inteiro caiu drasticamente. Em 2015, o custo era de $ 4000, agora o custo é inferior a $ 1000 por pessoa. Esse custo pode cair alguns pontos percentuais a mais quando as economias de escala são levadas em consideração.

Precisamos sequenciar o genoma de dois tipos diferentes de pacientes:

1. Infectado com Coronavírus; mas saudável
2. Infectado com Coronavírus; mas fraca resposta imunológica

É impossível prever qual ponto de dados será mais valioso, mas cada genoma sequenciado forneceria um conjunto de dados. Quanto mais dados, mais opções existem para localizar variações de DNA que aumentam a resistência de um corpo ao vetor da doença.

Atualmente, as nações estão perdendo trilhões de dólares com esse surto, o custo de US$ 1000 por genoma humano é menor em comparação. Um mínimo de 1,000 voluntários para ambos os segmentos da população forneceria aos pesquisadores volumes significativos de big data. Se o teste aumentasse de tamanho em uma ordem de magnitude, a IA teria ainda mais dados de treinamento, o que aumentaria as chances de sucesso em várias ordens de magnitude. Quanto mais dados melhor, é por isso que uma meta de 10,000 voluntários deve ser almejada.

Machine Learning

Embora várias funcionalidades de aprendizado de máquina estivessem presentes, o aprendizado profundo seria usado para encontrar padrões nos dados. Por exemplo, pode haver uma observação de que certas variáveis ​​de DNA correspondem a uma alta imunidade, enquanto outras correspondem a uma alta mortalidade. No mínimo, aprenderíamos quais segmentos da população humana são mais suscetíveis e devem ser colocados em quarentena.

Para decifrar esses dados, uma Rede Neural Artificial (ANN) seria localizada na nuvem e os genomas humanos sequenciados de todo o mundo seriam carregados. Com o tempo sendo essencial, a computação paralela reduzirá o tempo necessário para a ANN fazer sua mágica.

Poderíamos até dar um passo adiante e usar os dados de saída classificados pela ANN e alimentá-los em um sistema separado chamado de Rede Neural Recorrente (RNN). A RNN utiliza aprendizado por reforço para identificar qual gene selecionado pela RNA inicial tem maior sucesso em um ambiente simulado. O agente de aprendizagem por reforço gamificaria todo o processo de criação de um ambiente simulado, para testar quais mudanças no DNA são mais eficazes.

Um ambiente simulado é como um ambiente de jogo virtual, algo que muitas empresas de IA estão bem posicionadas para aproveitar com base em seu sucesso anterior em projetar algoritmos de IA para vencer nos esports. Isso inclui empresas como DeepMind e OpenAI.

Essas empresas podem usar sua arquitetura subjacente otimizada para dominar videogames, para criar um ambiente estimulado, testar edições de genes e aprender quais edições levam a mudanças específicas desejadas.

Uma vez que um gene é identificado, outra tecnologia é usada para fazer as edições.

CRISPR

Recentemente, o primeiro estudo usando CRISPR para editar DNA dentro do corpo humano foi aprovado. Isso foi para tratar um tipo raro de doença genética que afeta um em cada 100,000 recém-nascidos. A condição pode ser causada por mutações em até 14 genes que desempenham um papel no crescimento e operação da retina. Nesse caso, o CRISPR visa atingir cuidadosamente o DNA e causar um leve dano temporário à cadeia de DNA, fazendo com que a célula se repare. É este processo de cura restaurador que tem o potencial de restaurar a visão.

Enquanto ainda esperamos os resultados sobre se esse tratamento funcionará, o precedente de ter o CRISPR aprovado para testes no corpo humano é transformador. Distúrbios potenciais que podem ser tratados incluem a melhoria da resposta imune de um corpo a vetores de doenças específicas.

Potencialmente, podemos manipular a resistência genética natural do corpo a uma doença específica. As doenças que podem ser alvo são diversas, mas a comunidade deve se concentrar no tratamento do novo coronavírus epidêmico global. Uma ameaça que, se não for controlada, pode levar à pena de morte uma grande porcentagem de nossa população.

CONSIDERAÇÕES FINAIS

Embora existam muitas opções potenciais para alcançar o sucesso, isso exigirá que geneticistas, epidemiologistas e especialistas em aprendizado de máquina se unam. Uma opção de tratamento potencial pode ser como descrito acima, ou pode ser inimaginavelmente diferente, a oportunidade está no sequenciamento do genoma de um grande segmento da população.

O aprendizado profundo é a melhor ferramenta de análise que os humanos já criaram; precisamos, pelo menos, tentar usá-lo para criar uma vacina.

Quando levamos em consideração o que está em risco com essa epidemia atual, essas três comunidades científicas precisam se unir para trabalhar em uma cura.